本文是吴恩达机器学习课程的第二次编程作业:Logistic Regression Regularized 的扩展作业,用python实现。
本作业包含5个文件,分别是:
ex2_reg.py 主程序入口
predict.py 预测函数
gradientReg.py 梯度下降算法
costFunctionReg.py 代价函数算法
sigmoid.py 函数计算方法
作业文件和训练集数据下载地址:https://github.com/toanoyx/MachineLearning-AndrewNg-coursera-python/tree/master/ex2%20Logistic%20Regression/ex2_reg
下文是文件的源代码:
ex2_reg.py 主程序入口
import pandas as pd
import matplotlib.pyplot as plt
import scipy.optimize as opt
from costFunctionReg import *
from gradientReg import *
from predict import *
""" 第1部分 可视化数据集 """
path = 'ex2data2.txt'
data2 = pd.read_csv(path, header=None, names=['Test 1', 'Test 2&#